HASH GAME - Online Skill Game GET 300

　　本发明公开了一种哈希值计算方法,包括构建基于分组粗粒化玻色采样的哈希函数的模型,包括构建生成算法、分组粗粒化玻色采样算法和洗牌算法,输入通过生成算法生成一系列符合玻色采样的输入,将结果分别输入到分组粗粒化玻色采样算法模型中得到一系列最大概率标签,使用洗牌算法对得到的结果进行打乱得到哈希值。本发明还公开了一种包括所述哈希值计算方法的字签名方法。本发明生成了一种基于物理系统的量子特性的密码学单向函数,安全高效地确认了数字签名的准确性和安全性,而且不会受到外界的攻击。

　　S4.使用洗牌算法G对S3得到的结果进行打乱,得到哈希值,具体为洗牌算法G包括一个range串和若干个scratch串,range串为分组粗粒化玻色采样的单光子最大概率标签,scratch串为分组粗粒化玻色采样的多光子最大概率标签,步骤S4具体为,根据步骤S3得到的输出{μ1,μ2,...,μk}和{v1(v2)...,vk},令{μ1,μ2,...,μk}为洗牌算法G的range串,{v1(v2)...,vk}为洗牌算法G的scratch串,将range串和scratch串进行打乱,最终得到打乱之后的数据作为哈希值。

　　[0002]当前社会的发展更加趋向于无纸化办公和数字化办公。无纸化办公对于现在的环境保护和办公效率的提高都具有重要的作用。在无纸化办公和数字化办公中,为了保证数据和隐私的安全性,需要频繁进行签名确认。但是,在签名确认这一流程中,容易出现泄漏签名、被别人代签等问题,因此需要采用数字签名的方法。数字签名是信息的发送者才能产生的、别人无法伪造的一段数字串,这段数字串同时也是对信息的发送者发送信息真实性的一个有效证明。同时,数字签名也是一种类似写在纸上的、普通的物理签名,同时还是使用了公钥加密领域的技术来实现的、用于鉴别数字信息的方法。一套数字签名通常定义两种互补的运算,一个用于签名,另一个用于验证,从而可以真实准确地验证信息。数字签名是非对称密钥加密技术与数字摘要技术的应用。

　　[0003] 在现在的加密技术中,哈希函数作为密码学的重要组成部分,在数字签名、密码保护和密钥共享等多种应用发挥了重要作用。现在经典的哈希函数在安全性方面主要分为两类,一种基于复杂性理论,一种基于Merkle‑Damgard结构。前者结构安全但效率不高,后者的哈希函数在实践中得到了广泛的应用,如MD4、MD5、SHA‑0、SHA‑1、SHA‑2、SHA‑3、HAVAL‑128和RIPEMD等。然而,上述的哈希函数均可能会受到各种潜在的攻击,产生的密码和函数不具备单一性和安全性,从而导致数据的泄露或盗取的问题。

　　[0039] 步骤S4使用洗牌算法G对步骤S3得到的结果进行打乱,将得到的哈希值作为数字签名,具体为洗牌算法G包括一个range串和若干个scratch串,range串为分组粗粒化玻色采样的单光子最大概率标签,scratch串为分组粗粒化玻色采样的多光子最大概率标签,步骤S4具体为,根据步骤S3得到的输出{μ1 ,μ2, . . . ,μk}和{v1 (v2) . . . ,vk} ,令{μ1 ,μ2, . . . ,μk}为洗牌算法G的range串, {v1 (v2) . . . ,vk}为洗牌算法G的scratch串,将range串和scratch串进行打乱,range串为分组粗粒化玻色采样的单光子最大概率标签,scratch串为分组粗粒化玻色采样的多光子最大概率标签,最终得到打乱之后的数据作为哈希值。

　　[0075] 粗粒化玻色采样作为提出的哈希函数的关键步骤,必须具有不可逆的特性,即给定线性光学网络酉矩阵U和最大概率标签μ,如果要计算输入配置S>

　　,有两个难点解决。首先,输出状态

　　>

　　的计算依赖于计算积和式Per( S>

　　, T>

　　) ,已知计算积和式是#P‑完全问题,难以计算。那么在给定输出配置T>

　　和线性光学网络酉矩阵U的情况下,无法计算输入配置。第二,最大概率标签μ是最可能的粗粒化分布,那么用最大概率标签μ来反推输出配置T>

　　比较困难。然而,玻色采样的实验依赖于大规模的采样次数,多光子输出的检测比较困难。为了减少样本量和利用多光子的情况,因此采用了分组粗粒化玻色采样。

　　[0079] 步骤S1所述的洗牌算法G,具体为使用Fisher‑yates shuffle(FYS)算法进行洗牌,洗牌算法G包括一个range串和若干个scratch串,每次从range串中取出第scratch串,直到所有的range串取完为止,在经典洗牌算法中,scratch是随机生成的,但是在本算法中,range串为分组粗粒化玻色采样的单光子最大概率标签,scratch串为分组粗粒化玻色采样的多光子最大概率标签。